美国机器人AI初创公司Rhoda AI正在利用大规模互联网视频训练可用于不同机器人平台的通用模型,希望减少依赖人工遥操作采集数据的成本。公司于今年3月完成4.5亿美元A轮融资,投资者包括Khosla Ventures和淡马锡。
其核心技术为Direct Video Action(DVA)模型。模型结合历史视频、动作和语言信息预测未来场景,再把预测转换为机器人动作。公司称,完成大规模视频预训练后,针对具体任务通常再加入约10至20小时数据。
Rhoda AI还开发把移动与操作合并为同一策略的Mobile DVA。CEO Jagdeep Singh表示,包含自然现象和多类物体运动的广泛视频数据,比只筛选人类操作视频更有利于学习通用物理规律。
公司正面向制造和物流现场测试技术,并考虑把模型授权给不同机器人硬件和软件平台。互联网视频能否稳定转化为真实机器人能力,仍需在更多任务和现场安全条件下验证。
